ScatterNdSub

تفریق پراکنده را برای مقادیر یا برش های فردی در یک متغیر اعمال می کند.

در یک متغیر معین با توجه به "شاخص ها".

«ref» یک «تنسور» با رتبه «P» است و «شاخص‌ها» یک «تانسور» از رتبه «Q» است.

«شاخص‌ها» باید تانسور عدد صحیح باشند و شامل شاخص‌هایی به «ref» باشند. باید شکل «[d_0، ...، d_{Q-2}، K]» باشد که در آن «0 <K <= P» باشد.

درونی‌ترین بعد «شاخص‌ها» (با طول «K») مربوط به شاخص‌هایی به عناصر (اگر «K = P») یا برش‌هایی (اگر «K <P») در امتداد «K»مین بعد «ref» است.

«به‌روزرسانی‌ها» «تنسور» رتبه «Q-1+PK» با شکل:

[d_0, ..., d_{Q-2, ref.shape[K], ..., ref.shape[P-1]]
 }

ref = tf.Variable([1, 2, 3, 4, 5, 6, 7, 8])
 indices = tf.constant([[4], [3], [1], [7]])
 updates = tf.constant([9, 10, 11, 12])
 sub = tf.scatter_nd_sub(ref, indices, updates)
 with tf.Session() as sess:
   print sess.run(sub)
 

[1، -9، 3، -6، -4، 6، 7، -4]

برای جزئیات بیشتر درباره نحوه به‌روزرسانی برش‌ها، tf.scatter_nd ببینید.